Дипломная работа: Синтез гибридной нейронной сети для управления двухмассовой электромеханической системой с зазором. 2003 г
Подождите немного. Документ загружается.
71
5. КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ
5.1 Регулятор с использованием задержек за входе
Нейронная сеть ANFIS является в принципе безинерционной, нодля решения задачи
построения модели динамической системы нужно создать искусственные условия
распознавания сетью временных зависимостей в снимаемых данных. Именно этой задаче
служит создание искусственных линий запаздывания на один (или несколько) шагов
квантования координаты объекта регулирования.
Эксперимент1.
Система логического вывода Сугено 0 порядка.
Ошибка обучения 0.013. Bell (4 f/input)
Без масштабирования при обучении.
Амплитуда сигнала управления при обучении 0.28.
INPUT ANFIS TRAIN
OUT ANFIS TRAIN
1
TL.s
1
Tfider.s
1
Tm.s
3.5
Tsum.s+1
In1
In2
Train Vector
sollen
t
M
w1
w2
-K-
beta1
beta2
Clock
Рисунок 5.1.1 структурная схема при обучении.
Обратная модель строится в принципе только для двигателя, поскольку регулирование
строится по скорости первой массы, влияние второй массы учитывается как момент
нагрузки, связанный с величиной скорости двигателя. Это обосновано тем, что:
1. Замыкание обратной связи по скорости второй массы часто требует применения
специальных средств измерения, так в случае, когда скорость второй массы
является линейной – это требует применения дорогостоящего датчика линейной
скорости.
72
2. Построение модели только для двигателя фактически упрощает задачу
аппроксимации переходной функции динамической системы, так как в контур
регулирования захватываются только два интегратора, вместо четырех, как было
бы при использовании скорости второй массы.
OUT ANFIS VECTOR
INPUT ANFIS MATRIX
d
train vector
z
1
z
1
1
Gain2
1
Gain1
In1Out1
A&D Convertor1
In1Out1
A&D Convertor
2
In2
1
In1
Рисунок 5.1.2 формирование вектора обучения
Вектор обучения d сформированный по схеме 5.1.2 состоит из трех входных величин:
реального значения скорости первой массы, задержанного на один шаг квантования
скорости, и скорости, задержанной на два шага квантования. Последний компонент
вектора обучения – целевой выход нейрофаззи регулятора. Такая структура обучающего
множества требуется пакетом Матлаб.
0 1 2 3 4 5 6 7 8
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
0.4
0.5
Рисунок 5.1.3 Переходный процесс скоростей и момента.
Как видно по графику переходного процесса в системе с задержками проявляется
подавление колебаний скорости при набросе нагрузки в установившемся режиме
работы, а так же резкое уменьшение перерегулирования скорости первой и второй
масс.
73
1
TL.s
1
0.3s+1
1
Tfider.s
1
Tm.s
3.5
Tsum.s+1
sollen
t
M
w1
w2
In1
In2
Out1
Subsystem
-K-
beta1
beta2
Clock
Рисунок 5.1.4.Структурная схема системы управления
На данной схеме субсистемой изображен фаззи регулятор с двумя входами.
Распределение входов сети в фазе обучения и в рабочей фазе приведены в таблице 5.1.1
Таблица 5.1.1 Распределение входов сети при обучении и в работе.
Фаза обучения
Фаза работы
Вход без задержек
Вход управляющего сигнала
Вход , с задержкой на 1 шаг
Обратная связь с задержкой на
1 шаг
Вход с задержкой на 2 шага и более
Обратная связь, с задержкой
на 2 и более шагов
74
Эксперимент2.
Система Сугено 0 порядка file_apr1.Функции принадлежности gauss
Число функций на вход 3.Количество входов 3. Ошибка обучения 0.0228
Измеряемая величина - скорость двигателя.
1
Out1
z
1
z
1
z
1
10
Gain4
1
Gain3
1
Gain2
1
Gain1
Fuzzy Logic
Controller
In1Out1
A&D Convertor3
In1Out1
A&D Convertor2
In1Out1
A&D Convertor1
In1Out1
A&D Convertor
3
In3
2
In2
1
In1
Рисунок 5.1.5 Структурная схема нейрофаззи регулятора с использованием задержек на
входе.
0 1 2 3 4 5 6 7
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
Рисунок 5.1.6 График переходного процесса скорости двигателя, при плавном сигнале
задания. Коэффициенты усиления на входах сети равны k1=k2=k3=1 ,на выходе сети
k4 =10.
На рисунке 5.6.6 представлен график переходного процесса скорости двигателя при
плавном сигнале управления.
Рисунок 5.1.7. показывает влияние коэффициента усиления на выходе сети на вид
переходного процесса, как видно, увеличение этого коэффициента в сторону увеличения
способствует подавлению колебаний в управляемой системе. В то же время снижение
этого коэффициента провоцирует возникновение колебаний скорости первой, и
соответственно, второй масс. Это следует из колебаний упругого момента. На практике
нужно стремиться избегать подобных процессов, так как они приводят ускоренному
износу механической системы.
75
Рисунок 5.1.7 Зависимость переходного процесса скорости двигателя от коэффициента
усиления на выходе регулятора.
0 1 2 3 4 5 6 7
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
k1=1
k2=k3 =5...
10 k4=10
soll
wm/wn
t,c
k1=1 k2=k3=1 k4=10
k1=1 k2=k3=0.1 k4=10
Рисунок 5.1.8. Изменение формы переходного процесса скорости при изменении
коэффициентов обратной связи к2, к3.
Как мы видим , снижение коэффициентов обратной связи способствует увеличению
амплитуды колебаний скорости, однако не отражается на числе колебаний, и их форме.
При увеличении коэффициентов усиления в обратных связях мы видим рост величины
установившегося значения скорости первой массы (рисунок 5.1.8).
0 1 2 3 4 5 6 7
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
k4=100
k4=10
soll=1
k4=1
k4=3
w1/wn
t,c
76
Эксперимент 3.
Система Сугено 0 порядка file_apr2.
Функции принадлежности bell
Число функций на вход 4.
Количество входов 4.
Ошибка обучения 0.014.
Измеряемая величина - скорость двигателя.
1
Out1
z
1
z
1
z
1
z
1
z
1
z
1
1
Gain5
1
Gain4
1
Gain3
1
Gain2
1
Gain1
Fuzzy Logic
Controller
In1Out1
A&D Convertor4
In1Out1
A&D Convertor3
In1Out1
A&D Convertor2
In1Out1
A&D Convertor1
In1Out1
A&D Convertor
4
In4
3
In3
2
In2
1
In1
Рисунок 5.1.9 Структурная схема регулятора с четырьмя входами.
0 1 2 3 4 5 6 7
-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
Рисунок 5.1.9 Пуск разомкнутой системы управления, задержанные входы замкнуты на
входной сигнал управления.
Как можно заметить из рисунка 5.1.10, даже разомкнутый вариант управления имеет
значительное перерегулирование и статическую ошибку по возмущению. Это объясняется
тем что сеть проявляет свойства «переобучения», то есть она имеет избыточную
структуру в сравнении с объектом регулирования и поэтому вместо аппроксимации и
сглаживания самого объекта управления, сеть является сама источником колебаний.
Это особенно видно при замыкании обратной связи на рисунке 5.1.11.
77
0 1 2 3 4 5 6 7
-1.5
-1
-0.5
0
0.5
1
1.5
Рисунок 5.1.11 Переходный процесс скорости двигателя при замыкании обратной связи с
теми же коэффициентами, которые были использованы при обучении. Система с
четырьмя входами.
Эксперимент 4.
Система Сугено 0 порядка.
Функции принадлежности treug
Число функций на вход 7
Количество входов 2
Ошибка обучения 0.023
Измеряемая величина Скорость двигателя.
1
Out1
z
1
10
Gain4
1
Gain3
1
Gain1
Fuzzy Logic
Controller
In1Out1
A&D Convertor2
In1Out1
A&D Convertor1
In1Out1
A&D Convertor
2
In2
1
In1
Рисунок 5.1.12 Структурная схема регулятора. Два входа.
0 1 2 3 4 5 6 7 8 9 10
0
0.2
0.4
0.6
0.8
1
1.2
1.4
Рисунок 5.1.13. График переходного процесса скорости в системе с задержками, 2 входа.
78
0 1 2 3 4 5 6 7 8 9 10
-0.4
-0.2
0
0.2
0.4
0.6
0.8
1
1.2
k3=20
k3=10
k3=1
k3=0.1
soll wm/wn
t,c
Рисунок 5.1.14 изменение коэффициента на выходе регулятора, плавный сигнал
управления.
Как видно из рисунков 5.1.13 и 5.1.14, что использование простого нейрофаззи
регулятора с двумя входами способствует повышению устойчивости и снижению
колебательности, для данной электромеханической системы. На рисунке 5.1.15 видно, что
изменение коэффициента обратной связи в пределах от 0.1 до 10 не приводит к какому
либо заметному изменению графика скорости, в чем проявляется робастность регулятора.
0 1 2 3 4 5 6 7 8 9 10
0
0.5
1
1.5
soll
t,c
wm/wn
k2=1 k2=0.1 k2=0.5 , k2 =10
Рисунок 5.1.15 Влияние коэффициента обратной связи на вид переходного процесса
скорости.
Таким образом можно сделать вывод, что применение ANFIS сети в качестве регулятора,
с применением задержек позволяет избавиться от колебаний и уменьшить статическую
ошибку, однако увеличение количества обратных связей способствует увеличению
колебательности замкнутой системы. Эти регуляторы принципиально всегда имеют
статическую ошибку как по управляющему так и по возмущающему воздействию,
которых невозможно избежать вариацией коэффициентов усиления на входах и выходах
сети. Решение поставленной задачи дипломной работы этими регуляторами не
достигается, но они прекрасно иллюстрируют принцип настройки параметров и общий
подход к управлению с помощью нейронной сети.
79
INPUT ANFIS TRAIN
OUT ANFIS TRAIN
Out1
random input
1
TL.s
1
Tfider.s
1
Tm.s
3.5
Tsum.s+1
In1
In2
In3
Train Vector
wsoll
To Workspace5
sollen
t
M
w1
w2
-K-
beta1
beta2
Clock
5.2 Регулятор с использованием разностных сигналов
Система Сугено, нулевого порядка.
Функции Гаусса используются в качестве функций принадлежности, по 5 функций на
каждый вход. В качестве входных сигналов инверсной модели используется прямой
сигнал скорости и разность скорости и задающего значения.
Рисунок 5.2.1 Структурная схема системы в фазе обучения.
1
TL.s
1
Tfider.s
1
Tm.s
3.5
Tsum.s+1
sollen
t
M
w1
w2
-K-
beta1
beta2
Clock
In1
In2
Out1
ANFIS
Рисунок 5.2.2 Структурная схема в рабочей фазе.
80
0 1 2 3 4 5 6 7
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
t,c
sollen
w1/wn
w1
sollen
3 %
Рисунок 5.2.3 График переходного процесса скорости первой массы и график задающего
сигнала.
Системы с применением разностного сигнала позволяют в несколько раз уменьшить или
даже практически свести статическую ошибку по управлению, к уровню ошибки
обучения, которая может составлять до 10
-6
номинального значения скорости. К тому же
такая структура регулятора создает условия для построения схем на основе коррекции
управляющего сигнала по отклонению скорости от заданного значения, для применения
схем с интегратором и построения комбинированных систем регулирования.
На рисунке 5.2.3 перерегулирование составляет 22%, статическая ошибка управления
0.00005
ном
дв
статическая ошибка по возмущению составляет 3% от заданного значения
скорости (0.6 от номинальной скорости), или 0.6*0.01*3=0.018
ном
дв
.
Таким образом, можно сделать вывод, что системы, работающие с использованием
разностного сигнала, проявляют лучшие качества по сравнению с системами на основе
задержек. К тому же применение разностного сигнала делает ненужным использование
линий запаздывания, что значительно упрощает конечную программу реализации нейро
регулятора и уменьшает время выполнения программы, что делает ее более экономной к
машинным ресурсам управляющего процессора.
В целом применение более чем двух входов для данной задачи не оправданно, так как не
приводит к улучшению качества переходных процессов.
Вариация коэффициентов на входе и выходе сети не требуется, так как и без этого сеть
справляется с подавлением колебаний, и снижением статических ошибок по управлению
и возмущению.